Künstliche Intelligenz für Ihr Business


// Experten verraten Ihnen aus erster Hand wie auch Ihr Unternehmen von Künstlicher Intelligenz profitiert.

AI-Plattformen

Das Tor zur Künstlichen Intelligenz

19.02.2019
Die Einstiegshürden für die Einführung von Artificial-Intelligence-Anwendungen sind hoch. Microsoft möchte mit seinen AI-Plattformen die Entwicklung so weit vereinfachen, dass jeder AI-Modelle bereitstellen kann – vom Experten bis zum Sachbearbeiter.

Immer mehr Unternehmen möchten AI und Maschinelles Lernen nutzen, um ihre Geschäftsprozesse zu verbessern, Entscheidungen fundierter zu treffen oder neue Business-Modelle zu etablieren. Doch bei AI sind die Einstiegshürden deutlich höher als bei anderen IT-Technologien. Das hat eine ganze Reihe von Ursachen.

AI-Projekte erfordern in der Regel eine ganz andere Herangehensweise als Unternehmen sie traditionell gewöhnt sind. Entwickler müssen passende analytische Modelle erstellen. Riesige Datenmengen müssen für das Training der Modelle bereitstehen. Das Modelltraining erfordert zudem andere Hardware, andere Software und ein völlig neues Know-how - etwa über neuronale Netze. Zur herkömmlichen Unternehmens-IT bestehen hier wenig Anschlusspunkte.

Microsoft möchte dieses Dilemma entschärfen und die Einstiegshürde für Artificial Intelligence auf ein akzeptables Niveau senken:

"Wir wollen Künstliche Intelligenz so vereinfachen, dass man es breiter anwenden kann. Unser Ziel ist letztendlich 'KI für alle'.", Jürgen Wirtgen, Data & AI Lead bei Microsoft Deutschland
"Wir wollen Künstliche Intelligenz so vereinfachen, dass man es breiter anwenden kann. Unser Ziel ist letztendlich 'KI für alle'.", Jürgen Wirtgen, Data & AI Lead bei Microsoft Deutschland
Foto: IDG Business Media GmbH

Um dies umzusetzen hat Microsoft zwei unterschiedlich ausgerichtete AI-Plattformen bereitgestellt. Ohne hohe Kosten oder die Anschaffung neuer Hardware oder Software können damit ganz normale Nutzer AI-Anwendungen direkt in der Cloud umsetzen und ausführen.

Cognitive Services: Fertige Modelle nutzen

Die Cognitive Services bilden die erste Plattform. In den Cognitive Services werden von Microsoft vortrainierte oder komplett trainierte Modelle bereitgestellt. Diese fertigen oder teilfertigen Modelle können Entwickler oder IT-affine Mitarbeiter nutzen, um sie an ihren Bedarf anzupassen und in eigene Anwendungen zu integrieren. Bestehende Unternehmens-Applikationen können damit beispielsweise um AI-Aspekte erweitert und so AI-fähig gemacht werden.

Nutzer können hier auf viele Anwendungen zugreifen. Modelle für die Bildanalyse ermöglichen es beispielsweise, Objekte und Menschen auf Fotos und Videos zu erkennen und zu klassifizieren. Das lässt sich zum Beispiel nutzen, um anstößige Inhalte auszusortieren oder Qualitätsmängel bei der Fertigung von Werkstücken automatisch zu identifizieren.

Modelle im Bereich Sprache können gesprochenen Text in geschriebenen transkribieren und umgekehrt. Spracherkennung kann Personen an ihrer Stimme identifizieren, was sich für die Authentifizierung von Personen einsetzen lässt. Ganze Bücher lassen sich automatisch von einer in eine andere Sprache übersetzen oder Zusammenfassungen von längeren Texten erstellen.

Im dritten Bereich dreht sich alles um Bots. Mit dem Bots Framework können sehr einfach Bots aufgebaut werden. Der Anwender legt dem Framework beispielsweise einen Text vor und dieser wird dann in ein Q&A Dokument transferiert. Der Bot nutzt wiederum Dienste aus dem Sprachumfeld, so dass man Fragen an den Bot in freier Sprache - gesprochen oder geschrieben - eingeben kann.

"Die Modelle aus den Cognitive Services können Sie in jedem Unternehmensbereich vielfältig nutzen - ohne dass Sie Entwickler oder Data Scientist sein müssen", sagt AI-Experte Jürgen Wirtgen. "Sie sollten zwar wissen, was ein Clustering oder ein Entscheidungsbaum ist. Aber sie müssen die dahintersteckenden Algorithmen weder kennen noch sie verstehen."

So entwickeln Sie eigene AI-Modelle

Haben Unternehmen spezifische Aufgaben zu lösen, reichen fertig trainierte Modelle in der Regel nicht. In diesem Fall müssen individuelle Modelle generiert werden. Dafür stellt Microsoft das Azure Machine Learning Studio und die Azure Machine Learning Services Tools zur Verfügung. Diese Plattformen unterstützen und vereinfachen den kompletten Prozess der Entwicklung eines eigenen, individuellen Datenmodells.

  • Das Azure Machine Learning (ML) Studio ist eine Art Baukasten-System und Drag&Drop Tool zum Erstellen, Testen und Bereitstellen von Machine Learning-Modellen. Das ML-Studio wendet sich damit an Entwickler und Interessenten, die keine oder wenig Erfahrung mit Machine Learning haben. Die Bausteine bilden Datensätze oder Module zur Datenaufbereitung oder zur Datenanalyse. In einem interaktiven und visuellen Arbeitsbereich werden die Modelle aufgebaut und gestartet.

  • Die Azure Machine Learning Services hingegen sind eine komplette Umgebung für Entwickler, die bereits über AI-Erfahrung verfügen. Dort werden ihnen die wichtigsten AI Open Source Frameworks zur Verfügung gestellt wie Tensorflow, Cognitive Toolkit, scikit-learn oder ONNX. Dem User steht damit quasi ein DevOps für Machine Learning zur Verfügung: Er definiert die Algorithmen und die notwendige Rechenleistung, legt fest, wer mit wem zusammenarbeitet und welche Modelle entwickelt werden.

"Mit den Azure Machine Learning Services steht dem Data Scientists eine komplette Umgebung für den Aufbau eigener Modelle zur Verfügung", erklärt AI Lead Jürgen Wirtgen. "Das ist für eine Individual-Entwicklung innerhalb eines Unternehmens interessant oder für Partner, die für Endkunden Individual-Software entwickeln - aber auch für ISVs."

Deployment Cloud-basiert und on-premises

Alle AI-Plattformen - die Cognitive Services, die Azure ML Studio und die ML Services - sind Cloud-basierte Azure-Dienste. Sie können vom Kunden oder Entwickler über das Azure-Portal freigeschaltet werden, also dort, wo er seine einzelnen Dienste verwaltet. Ordert er einen bestimmten AI-Service, wie zum Beispiel Gesichtserkennung, wird der Service freigegeben. Der Entwickler bekommt einen Code - eine alphanumerische Kette aus 16 Zeichen - den er in seine Software einbinden kann.

Cloud-basierte AI Services haben den Vorteil, dass in der Cloud unbegrenzt Rechenleistung zur Verfügung steht. Das ist insbesondere beim Training der Modelle wichtig, weil hier oft höhere Computing-Kapazitäten notwendig sind. Beim praktischen Betrieb der Modelle sind diese Kapazitäten nicht mehr notwendig. Hier wollen Nutzer zum Beispiel aufgrund schlechter Netzwerkanbindung auf lokale Systeme ausweichen. Hat ein Plattform-Nutzer ein Gesichtserkennungsmodell trainiert, das bestimmten Personen den Zugang zu sensiblen Bereichen ermöglicht, kann eine Netzwerkverbindung stören. Liegt das Gebäude abgelegen, ist eine Verbindung oft auch gar nicht möglich.

Die fertig trainierten Modelle lassen sich deshalb auch ohne Netzanbindung on-premises betreiben. Sie werden hierfür auf einem Docker-Image bereitgestellt und laufen auf einem eigenen Server. Dies gilt auch für die vorgefertigten Modelle der Cognitive Services: Deren Modelle können auf ein Docker-Image heruntergeladen und dort deployt werden. Dann kann das Modell Cloud-unabhängig on-premises eingesetzt werden.

Breite Anwendung

In Deutschland arbeiten bereits viele Organisationen mit den AI-Werkzeugen von Microsoft. "Im produzierenden Gewerbe haben wir viele Projekte im Bereich Predictive Maintenance", sagt Jürgen Wirtgen. "Dort können Sensordaten, die aus Maschinen oder anderen Bauteilen kommen, analysiert und Anomalien erkannt werden."

Die Münchner Rückversicherung setzt die Microsoft Services in einem großen Projekt für mittel- und langfristige Klimavorhersagen ein. Banken nutzen die AI-Plattformen für Risikoanalysen. Im Aufwind sind gerade auch Bots: Der IT-Dienstleister der Volks- und Raiffeisenbanken verwendet MS-basierte Bots im Servicebereich, um Kundenanfragen effizienter zu beantworten.

Bei Microsoft selbst ist AI tief in die Unternehmens-DNA integriert. "Es gibt es keine Produktentwicklung und kein Produkt mehr, das nicht in irgendeiner Art und Weise AI beinhaltet. Selbst in Windows nutzen wir AI um beispielsweise Schwachstellen zu erkennen." Entsprechend viel Manpower und Ressourcen bündelt der Konzern gerade in seiner eigenen Forschungsorganisation. "Die Ingenieure und Forscher machen im Prinzip Grundlagenforschung und müssen nicht zwangsweise produktorientiert entwickeln", sagt Wirtgen. "Sie sind relativ frei. Auf diese Weise sind wir sehr innovativ und immer vorne mit dabei."

Penibel achtet Microsoft bei der Tool-Entwicklung auf ethische Aspekte. Jegliche Entwicklung durchläuft einen strengen Prozess von ethischen Grundlagen. Gremien und definierte Prozesse stellen sicher, dass keine ethnische oder religiöse Gruppe bevorteilt oder benachteilt wird. "Das ist sehr wichtig zum Beispiel in der Gesichts- und Stimmerkennung um keine Bevölkerungsgruppen zu bevor- oder benachteilen", sagt Wirtgen

Zur Startseite